如何基于数据框公式列循环拟合混合二项Logistic回归模型

单模型拟合示例 #

先给出单模型拟合的基础代码参考：

# 基于合并后的df3拟合单个混合二项Logistic回归模型
single_model <- gamlj::gamljGlmMixed(
  data = df3,
  formula = outcome ~ predictor1 + predictor2 + (1|group),
  family = "binomial"
)

# 提取该模型的AIC和BIC
single_aic <- single_model$model$aic
single_bic <- single_model$model$bic

批量循环实现步骤 #

假设df3中存在一列（示例命名为model_formula），存储了所有待拟合的模型公式（字符格式），可按以下流程批量处理：

1. 批量拟合所有模型
   用lapply遍历公式列，逐个生成并拟合模型：

# 将字符格式的公式转为公式对象，批量拟合模型
model_list <- lapply(df3$model_formula, function(form_str) {
  gamlj::gamljGlmMixed(
    data = df3,
    formula = as.formula(form_str),
    family = "binomial"
  )
})

2. 提取所有模型的AIC、BIC及对应公式
   遍历模型列表，将关键指标整理为便于对比的数据框：

# 逐个提取模型指标
model_metrics <- lapply(seq_along(model_list), function(i) {
  current_model <- model_list[[i]]
  data.frame(
    model_formula = df3$model_formula[i],
    AIC = current_model$model$aic,
    BIC = current_model$model$bic
  )
})

# 合并为统一数据框
model_metrics_df <- do.call(rbind, model_metrics)

3. 筛选最优模型
   依据AIC/BIC值（值越小模型拟合效果相对越优）排序，选出最优模型：

# 按AIC升序排序，取首个为最优AIC模型
best_aic_model <- model_metrics_df[which.min(model_metrics_df$AIC), ]

# 按BIC升序排序，取首个为最优BIC模型
best_bic_model <- model_metrics_df[which.min(model_metrics_df$BIC), ]

# 查看最优模型结果
print(best_aic_model)
print(best_bic_model)

注意事项 #

• 确保df3中model_formula列的公式格式正确，包含完整的固定效应与随机效应结构（如(1|group)这类随机项）
• 若不同公式对应不同数据集子集，需在循环中为每个模型指定对应的数据子集
• 可在循环中加入tryCatch捕获拟合错误，避免单个模型报错中断整个批量流程

内容的提问来源于stack exchange，提问作者confusedindividual